2013-2017年湖北省荆州市肾综合征出血热空间相关性及空间聚集模式研究

目的了解2013-2017年湖北省荆州市肾综合征出血热(HFRS)的空间相关性和空间聚集模式变化.方法基于中国疾病预防控制信息系统收集的2013-2017年荆州市HFRS监测资料,使用ArcGIS10.3软件进行空间分析,利用全局自相关分析(Moran's I指数)、热点分析(Getis-OrdGi)探索空间自相关;采用趋势面分析、方向性分布,分析空间聚集模式.结果2013-2017年全局Moran'sI指数分别为0.1176(P>0.05)、0.3498(P<0.05)、0.1021(P>0.05)、0.2763(P<0.05)、0.3948(P<0.05).热点分析显示,2013-2017年各年份HFRS发病分别有7、8、8、8、15个热点区域,为江陵县、沙市区、监利县和洪湖市的部分乡镇.冷点区域仅在2015年探测到,为沙市区和荆州区的部分乡镇.趋势面分析显示,荆州市HFRS报告发病率在东西、南北方向均呈中间高、两头低的倒“U”型.方向性分布显示,2013-2017年荆州市HFRS病例均分布在荆州中北部,且与长江水系分布不一致.结论荆州市HFRS发病具有明显空间聚集性,高危区域为荆州中北部.荆州市HFRS空间聚集模式与长江水系干支无关.

2009-2018年不同时期湖北省荆州市肾综合征出血热流行特征比较分析

目的分析荆州市不同时期肾综合征出血热(HFRS)发病特征变化。方法收集2009-2018年荆州市HFRS疫情资料,根据发病率高低,将荆州市HFRS疫情分为2009-2012年(低)、2013-2016年(中)、2017-2018年(高)3个时期,采用描述性流行病学、标准差椭圆和时空扫描3种方法分析3个时期HFRS疫情时间、地区、人群分布以及时空上的变化趋势。结果荆州市在3个时期HFRS发病具有明显季节性,呈双峰型特点,发病高峰包括春夏季高峰(5-7月)和秋冬季高峰(1月,11-12月),两个高峰峰值相当。3个时期荆州市HFRS病例均集中在监利县、江陵县和洪湖市,发病率分别为0.48/10万、1.98/10万、0.84/10万,0.89/10万、1.88/10万、1.20/10万,4.82/10万、13.37/10万、4.58/10万。3个时期男性HFRS的发病率高于女性(χ2=43.38,P<0.05);3个时期HFRS病例职业均以农民为主,分别为56.26%(69/122)、69.61%(126/181)、74.94%(293/391),职业为农民的病例以种植水稻[48.28%(56/116)]和虾稻[27.59%(32/116)]居多。从年龄来看,2009-2017年发病以55~64岁居多;2018发病以60~69岁居多。标准差椭圆分析结果显示,荆州市HFRS流行地区扩大趋势不明显,重心均位于监利县或江陵县辖区内。时空扫描发现,3个时期的一类时空聚集区分别为江陵县2个乡镇,聚集时间为2010年12月7日-2011年1月2日;江陵县和沙市区的部分乡镇,聚集时间为2016年12月7日-2017年2月28日;江陵县全县乡镇及其周边县(市、区)部分乡镇,聚集时间为2018年4月27日-2018年7月16日。结论不同时期荆州市HFRS流行季节基本一致;高发地区基本一致,但存在局部波动;人群以男性农民为主,高发年龄有后移现象。应因地制宜,制定科学合理的综合防治措施。

气温对荆州市5岁以下儿童手足口病发病的影响

目的探讨荆州市日均气温对5岁以下儿童手足口病发病的影响,为手足口病的精准防控提供科学依据。方法收集2010-2017年荆州市5岁以下儿童手足口病发病数据和气象资料。利用分布式滞后非线性模型(DLNM),调整其他气象因素、节假日效应等潜在混杂因素干扰后,探讨气温对5岁以下儿童手足口病发病的影响。结果 2010-2017年荆州市5岁以下儿童累计报告手足口病47 525例。男、女性别比为1.52∶1;<1,1~<3,3~5岁年龄组分别占病例总数的9.72%,62.10%,28.18%;散居和幼托儿童分别占病例总数的73.29%和26.71%。气温与手足口病日均病例数的暴露反应关系曲线呈M型。以研究期间日平均温度的P50作为参照,气温8.21℃,25.81℃效应值最大,分别为1.53(95%CI=1.33~1.76)、1.47(95%CI=1.31~1.65)。较高温度(25.81℃)较较低温度(8.21℃)对手足口病的影响存在更长的滞后效应。不同人群分析显示,3~5岁儿童(幼托儿童)手足口病发病数较<1岁和1~<3岁年龄组儿童(散居儿童)更易受温度变化的影响。结论气温对荆州市5岁以下儿童手足口病发病具有显著影响,托幼机构是手足口病防控的重点场所。

疫苗接种对荆州市肾综合征出血热发病影响分析

目的了解荆州市肾综合征出血热(HFRS)疫苗应急接种现状、血清学监测和疫苗接种人群发病情况,评价HFRS疫苗应急接种对控制该市HFRS疫情的保护效果。方法2018—2020年在荆州市监利市、洪湖市、江陵县、公安县和沙市区部分乡镇,以30~59岁人群为重点开展HFRS疫苗接种。收集荆州市HFRS发病率、病例疫苗接种史及HFRS疫苗接种资料,采用描述性流行病学方法进行分析。采集未接种HFRS疫苗者(未接种组)、接种HFRS疫苗者血清进行IgG抗体检测,利用ELISA方法检测血清IgG。分析疫苗接种乡镇2017—2018年与2020年发病数变化,与2019年前疫苗接种率相关性。结果2018—2020年累计接种HFRS疫苗44.69万剂次,覆盖5个县市区22个乡镇,占全市乡镇总数的17.19%(22/128)。完成3剂次接种120953人,占疫苗接种乡镇总人数的11.30%,占疫苗接种乡镇30~59岁年龄人群的23.77%。荆州市未接种组IgG阳性率为9.91%(85/858)。疫苗接种组IgG阳性率为40.96%(34/83)。其中1剂次组、2剂次组、3剂次组IgG阳性率分别为0(0/2)、18.18%(6/33)、58.33%(28/48)。16例病例发病前有HFRS疫苗接种史,接种2剂次及以下HFRS疫苗者占81.25%(13/16)。疫苗接种乡镇发病数增减与全人群疫苗接种率呈负相关(rs=-0.59,P=0.011)。疫苗接种乡镇发病数增减与30~59岁人群疫苗接种率呈负相关(rs=-0.46,P=0.055)。结论2019年之前HFRS疫苗接种对受种人群发挥了一定保护作用。但全市疫苗接种率较低,对全人群保护作用未显现。

组合模型与单一模型在HFRS拟合及预测中的效果比较

目的比较组合模型与单一模型在(hemorrhagic fever with renal syndrome,HFRS)拟合及预测中的预测效果,为优化HFRS预测模型提供参考。方法以近年来全国发病率最高的黑龙江省作为研究现场,收集2004—2017年黑龙江省HFRS逐月发病率数据。2004—2016年黑龙江省HFRS逐月发病率作为训练数据,2017年1~12月数据作为测试数据。训练数据分别训练SARIMA、ETS和NNAR模型。利用方差倒数法、粒子群优化算法(particle swarm optimization,PSO)分别计算SARIMA、ETS和NNAR模型系数,构建组合模型A、组合模型B。利用建立模型预测2017年1~12月HFRS发病率。5个模型拟合值与训练数据、预测值与测试数据比较,采用平均绝对误差百分比(mean absolute percentage error,MAPE),平均绝对误差(mean absolute error,MAE),均数标准差(root mean squared error,RMSE)和平均误差率(mean error rate,MER)评价模型拟合及预测效果。结果SARIMA最优模型为SARIMA(1,0,2)(2,1,1)12。ETS最优模型为(M,N,M),平滑参数α=0.738,γ=1*10^(-4)。NNAR最优模型为NNAR(13,1,7)12。3个单一模型残差均为白噪声(P>0.05)。组合模型A表达式为y=0.134×y_(SARIMA)+0.162×y_(ETS)+0.704×y_(NNAR);组合模型B表达式为y=0.246×y_(SARIMA)+0.435×y_(ETS)+0.319×y_(NNAR)。SARIMA、ETS、NNAR、组合模型A、组合模型B拟合的MAPE、MAE、RMSE、MER分别为24.10%、0.11、0.17、23.29%;17.14%、0.08、0.14、17.96%;6.33%、0.02、0.03、4.25%;9.03%、0.03、0.05、7.51%;13.16%、0.06、0.09、12.33%。SARIMA、ETS、NNAR、组合模型A、组合模型B预测的MAPE、MAE、RMSE、MER分别为18.70%、0.05、0.06、19.62%;23.83%、0.06、0.07、24.49%;28.30%、0.07、0.10、29.21%;21.69%、0.06、0.08、22.63%;17.39%、0.05、0.07、18.76%。结论组合模型拟合及预测效果优于单一模型。基于PSO计算单一模型权重的组合模型为最优模型。

TBATS模型在流行性腮腺炎发病率预测中的应用

目的探讨TBATS模型在流行性腮腺炎发病率预测中的可行性。方法以2004—2017年江西省流腮数据作为演示数据。2004年1月至2017年6月数据作为训练集,2017年7~12月数据作为测试集。训练集分别训练TBATS模型、SARIMA模型,并预测2017年7~12月发病率并与测试集比较,采用MAPE,RMSE,MAE和MER评价模型拟合及预测效果。结果SARIMA(1,0,0)(1,1,0)_(12)含常数项为最优SARIMA模型。TBATS模型、SARIMA模型拟合的MAPE、MAE、RMSE和MER依次为15.06%,0.21,0.29,13.57%和21.93%,0.29,0.41,18.73%;TBATS模型、SARIMA模型预测的MAPE、MAE、RMSE和MER依次为7.95%,0.08,0.11,7.12%和15.33%,0.17,0.18,14.93%。结论TBATS模型对流行性腮腺炎发病率预测精度高,值得推广应用。